Google एजेंट CLI एजेंट परिनियोजन को एक कमांड श्रृंखला में बदल देता है: बनाएं, eval, तैनात करें, प्रकाशित करें
Google का 22 अप्रैल का एजेंट सीएलआई लॉन्च मायने रखता है क्योंकि यह कोई अन्य एजेंट डेमो नहीं है। यह जेमिनी सीएलआई, Claude Code और कर्सर जैसे कोडिंग सहायकों के लिए संपूर्ण एजेंट विकास जीवनचक्र को मशीन-पठनीय बनाने का एक प्रयास है। पिच सरल है: कम क्लाउड-आर्किटेक्चर अनुमान लगाने वाले लूप, अधिक नियतात्मक आदेश और प्रोटोटाइप से उत्पादन तक एक छोटा रास्ता।
Google ADLC को CLI सतह के रूप में पैकेजिंग कर रहा है
Google एजेंट सीएलआई को एजेंट विकास जीवनचक्र के लिए प्रोग्रामेटिक रीढ़ के रूप में वर्णित करता है। इसका मतलब है कि प्रोजेक्ट निर्माण, मूल्यांकन हार्नेस, परिनियोजन स्वचालन, अवलोकनीयता हुक और जेमिनी एंटरप्राइज में वितरण के लिए एक सतह। उत्पाद स्पष्ट रूप से एआई कोडिंग एजेंटों के लिए स्थित है, न कि केवल हाथ से कमांड टाइप करने वाले मनुष्यों के लिए।
व्यावहारिक कदम कौशल इंजेक्शन मॉडल है। Google का कहना है कि डेवलपर चला सकते हैं uvx google-agents-cli और Google क्लाउड एजेंट इंफ्रास्ट्रक्चर के लिए उनके कोडिंग एजेंट बंडल कौशल, टेम्पलेट और एपीआई संदर्भ दें। स्टैक एक साथ कैसे फिट होता है, इसका पुनर्निर्माण करने के लिए टोकन को जलाने के बजाय, सहायक को एक संकीर्ण और अधिक संरचित ऑपरेटिंग सतह मिलती है।
यह एक सार्थक सांकेतिक कहानी क्यों है?
Google की पोस्ट में सबसे स्पष्ट पंक्ति संदर्भ अधिभार के बारे में है। जब एक सहायक को यह अनुमान लगाना होता है कि क्लाउड घटक, मूल्यांकन डेटासेट और परिनियोजन वायरिंग एक साथ कैसे फिट होते हैं, तो यह लूपिंग शुरू कर देता है। यह बिल्कुल उसी प्रकार का उपयोग विस्तार है Token Robin Hood पाठकों को इसकी परवाह करनी चाहिए। यह अकेले मॉडल कीमत नहीं है. यह मॉडल के चारों ओर बार-बार किया जाने वाला सेटअप कार्य है।
Google प्रभावी ढंग से कह रहा है कि बेहतर एजेंट दक्षता बुनियादी ढाँचे के ज्ञान को नियतात्मक आदेशों में पैक करने से आ सकती है। यह उसी दिशात्मक पैटर्न पर फिट बैठता है जो इसमें देखा गया है डीप रिसर्च मैक्स, कार्यक्षेत्र इंटेलिजेंस, और एआई स्टूडियो: अधिक वर्कफ़्लो को पुन: प्रयोज्य सिस्टम प्राइमेटिव में ले जाएं ताकि मॉडल पर्यावरण को फिर से खोजने में कम समय खर्च करे।
सकारात्मक पक्ष वास्तविक है, लेकिन केवल तभी जब टीमें लूप को ध्यान में रखें
Google यह भी कहता है कि एजेंट सीएलआई मूल्यांकन हार्नेस व्यवस्थित कर सकते हैं, आईएसी इंजेक्ट कर सकते हैं, सीआई/सीडी सेट कर सकते हैं और वायर ऑब्जर्वेबिलिटी कर सकते हैं। वह उपयोगी है. इसका मतलब यह भी है कि एजेंट अब स्टैक की अधिक महंगी परतों को तेजी से छू सकता है। तैनाती के लिए एक साफ़-सुथरा रास्ता स्वचालित रूप से एक सस्ता रास्ता नहीं है। यदि eval अनुबंध अस्पष्ट है, तो एक कोडिंग एजेंट अभी भी अनावश्यक पुनर्प्रयास, बड़े आकार के परीक्षण रन, या शोर तैनाती मंथन से भटक सकता है।
सही कार्यान्वयन पैटर्न सीमित स्वचालन है। पथ को मानकीकृत करने के लिए सीएलआई का उपयोग करें, फिर लॉग करें कि कौन से कमांड चले, कौन से टेम्पलेट लागू किए गए, कितने ईवल पास का उपयोग किया गया, और जहां अभी भी मानव अनुमोदन की आवश्यकता है। अन्यथा टीम रनटाइम खर्च को चुपचाप बढ़ाते हुए सोचने का समय बचाती है।
टीमों को आगे क्या करना चाहिए
एक ऐसे वर्कफ़्लो से शुरुआत करें जो पहले से ही दोहराया जा रहा है: शायद एक छोटा आंतरिक समर्थन एजेंट, एक व्यय-अनुमोदन प्रवाह, या एक पुनर्प्राप्ति-समर्थित अनुसंधान सहायक का निर्माण करना। एजेंट सीएलआई पथ के साथ वर्तमान प्रॉम्प्ट-हैवी पथ की तुलना करें। कुल टोकन, दस्तावेज़ लुकअप की संख्या, दीवार-घड़ी का समय और कितनी बार सहायक को सुधारात्मक संकेतों की आवश्यकता है, इसका आकलन करें।
यदि सीएलआई वास्तव में संदर्भ शिकार को कम करता है, तो इसे बनाए रखें। यदि यह मुख्य रूप से एक ही कमांड के पीछे अधिक बुनियादी ढांचे के चरणों को छुपाता है, तो स्केलिंग से पहले रेलिंग जोड़ें। जीत यह नहीं है कि एजेंट के पास अधिक शक्ति है। जीत यह है कि इसे सही ढंग से भेजने के लिए कम सुधार की आवश्यकता है।